48.Выбор методов прогнозирования в логистике

Методы и приемы в прогнозировании

Анализ временных рядовДля прогнозной оценки данным методом изменения величины необходимо знать значения этой величины за ряд предшествующих периодов.

Оценка явления и определение направления его развития производятся посредством

апроксимации и экстраполяции.

Аппроксимация — замена одних математических объектов другими, более простыми и в том или ином смысле близкими к исходным.

Экстраполяция — распространение выводов, полученных из наблюдения над одной частью явления на другую его часть.

Наиболее простым и распространенным считается экстраполяция объема материалопотока. Различают несколько методов экстраполяции.

Наиболее распространены два из них - по среднему уровню ряда динамики и по среднему темпу роста ряда.

Экстраполяция применяется для эволюционно развивающихся процессов, для которых в будущем не предвидится скачков.

Применяется для разработки краткосрочных прогнозов в логистике.

Этапы прогнозирования на основе экстраполяции динамического ряда одной переменной :

1). Приведение исходной информации к виду, удобному для последующей обработки (сглаживание и выравнивание ретроспективного ряда).

2). Выбор вида функции (апроксимирующей зависимости для прогнозной экстраполяции).

3). Оценка параметров апроксимирующей зависимости.

4). Расчет прогнозных значений исследуемого показателя.

5). Оценка точности прогноза и расчет доверительных интервалов.

Применять методы экстраполяции нельзя:

если прогнозируемые события, процессы и показатели могут развиваться скачками или иметь разрывы ( «революционные процессы»).

1. Метод "наивного" прогноза — предположение, что продажи в последующем периоде будут соответствовать продажам в предыдущем периоде.

Преимущества:

моментальная реакция на изменения спроса;

метод хорошо работает в условиях тренда (тренд - изменение, определяющее общее направление развития).

Недостаток:

слишком большая чувствительность к случайным колебаниям.

Ошибки прогнозирования данным методом обусловлены слишком большой чувствительностью метода к случайным колебаниям прогнозируемой величины.

2. Метод долгосрочной средней — предположение, что продажи в последующем периоде будут равны среднему объему продаж за все предшествующие периоды.

Метод предусматривает сглаживание продаж за счет вычисления средней за все известные предшествующие продажи.

Данные о продажах в самое последнее время имеют тот же "вес", что и данные за самый отдаленный период.

Это позволяет избежать слишком быстрого реагирования на изменения спроса.

Преимущество метода долгосрочной средней :

сглаживает случайные колебания спроса. Недостатки:

не отражает истинных изменений в тенденциях;

всегда реагирует с запозданием относительно существенных изменений спроса

Используется для средне и долгосрочных прогнозов.

3. Метод скользящей средней — предположение, что продажи в последующем

периоде будут равны арифметической средней от объема продаж за последние п периодов.

Каждая точка в исходном динамическом ряду сглаживается совокупностью нескольких точек путем арифметического осереднения для исключения влияния сезонности и нерегулярности данных.

Метод является компромиссом между двумя первыми системами.

Используется для краткосрочных прогнозов.

4. Метод скользящей средневзвешенной —

основан на предположении, что продажи в последующем периоде будут равны арифметической средневзвешенной объема продаж за последние п периодов.

К выбору числа периодов добавляется взвешивание этих периодов.

Метод более гибкий, чем метод простой скользящей средней.

Преимущество метода скользящей средневзвешенной : при наличии тенденции имеет преимущество. Акцент может быть сделан на недавние данные и гибким образом.

Недостаток: отброшенные за пределами п- периода данные всегда имеют предсказательную ценность, каков бы ни был их вес.

5. Классические динамические ряды.

Метод для декомпозиции динамического ряда на сезонную волну, тренд и нерегулярную (случайную) компоненту.

Является одним из лучших методов для прогнозирования в логистике на период от 3 до 12 месяцев.

6. Метод экспотенциального сглаживания

Метод похож на метод скользящего среднего, однако осереднение производится с учетом «веса», присваемого исходными данными динамического ряда.

Каждое последующее значение получается из предыдущего путем рекурсивной экспотенциальной процедуры, легко алгоритмируемой на ЭВМ.

Используется для краткосрочного прогноза.

7.Эконометрические модели -

система независимых регрессионных уравнений, описывающих определенный спектр.

Используются для краткосрочного и среднесрочного прогнозов.

Необходимо помнить о том, что методы прогнозирования должны соответствовать характеру исходных данных.